楼主首先要明确:c既然要影响x和y的关系,肯定是与x有关系才能做到。如果只与y有关系,跟x无关……那就是多变量线性回归了。调节效应不显著,不必定义为调节变量。
照例,先PO定义:
“如果变量Y与变量X的关系是变量M 的函数,称M 为调节变量 。就是说, Y与X 的关系受到第三个变量M 的影响。调节变量可以是定性的(如性别、种族、学校类型等) ,也可以是定量的(如年龄、受教育年限、刺激次数等) ,它影响因变量和自变量之间关系的方向(正或负)和强弱。”
很明显,定义说明了M影响X与Y的关系,但并没有对M与X Y各自的关系作出说明。
于是楼主所问,可以更清晰地表述为:“是M-->X-->Y,还是M-->Y, X-->Y”是合理的。
首先参考“温忠麟 2005”的一个式子,用直线回归的方法表述自变量X、因变量Y、调节变量M三者的关系:
Y = bM + ( a + cM ) X + e
可以看出,楼主说的两种情况都是可能的,发生其中一个,或者同时发生。取决于b和c是否为0
但是要注意,一般而言,c不会为0,因为c表示调节效应的显著,如果c为0就不显著了。(对于直线回归如此,别的回归方法也类似分析)
如果c为0,b不为0,就和x的地位相同了,就变成多变量线性回归,M对X Y调节效应不显著。
还有一个容易混淆的,就是交互效应和调节效应的区别。这个主要在实际情景应用中去区分。这里我就不费脑子了,直接摘录一段来。有问题可以继续探讨。
“然而,调节效应和交互效应这两个概念不完全一样。在交互效应分析中,两个自变量的地位可以是对称的,其中任何一个都可以解释为调节变量;也可以是不对称的,只要其中有一个起到了调节变量的作用,交互效应就存在。这一点从有关讨论交互效应的专著中可以看出(例如,显变量之间的交互效应参见文献[ 8 ] ,潜变量之间的交互效应参见文献[ 9 ] ) 。但在调节效应中,哪个是自变量,哪个是调节变量,是很明确的,在一个确定的模型中两者不能互换。例如,要研究数学能力的性别差异,将年级作为调节变量,这个问题关注的是性别差异,以及性别差异是否会随年级而变化。如果从小学一年级到高中三年级都获得了各年级学生有代表性的样本,每个年级各用一份测试题,所得的数据就可以进行上述分析。但同样的数据却不能用于做年级为自变量、数学能力为因变量、性别为调节变量的分析,因为各年级的测试题目不同,得分没有可比性,因而按调节效应的分析方法(见表1) ,分别不同性别做数学能力对年级的回归没有意义。要做数学能力对年级的回归,应当用同一份试题测试所有年级的学生。”
|